(1.21)-6.4大数据分析与挖掘建模-聚类分析

大数据分析与挖掘建模BIGDATA

通过对顾客消费行为的分析，找到有价值的顾客。1大数据分析与挖掘建模概述2预知考试能否及格——逻辑回归3预测商场销量的高低——决策树4顾客消费价值分析——聚类分析6发电厂发电量的预测——神经网络5西红柿与排骨的关系——关联规则4.1聚类分析4.1.1定义

聚类：指根据数据对象之间的相似性，把一组数据对象划分为多个有意义组的过程，每个组称为类或簇（cluster），同一个簇内的数据对象之间具有较高的相似性，不同簇内的数据对象之间相差则较大。4.1聚类分析

4.1.2基本思想把分类对象按一定规则分成若干类，这些类不是事先给定的，而是根据数据的特征来确定的。划分原则是组内距离最小化而组间距离最大化。4.1聚类分析

4.1.3聚类方式类别主要算法划分(分裂)方法K-Means算法、K-MEDOIDS算法、CLARANS算法层次分析法BIRCH算法、CURE算法、CHAMELEON算法基于密度的方法DBSCAN算法、DENCLUE算法、OPTICS算法基于网格的方法STING算法、CLIOUE算法、WAVE-USTER算法基于模型的方法统计学方法、神经网络方法基于概率的方法GMM算法4.1聚类分析

4.1.4聚类算法算法名称算法描述K-Means算法在最小化误差函数的基础上将数据划分为预定的类数K。K-MEDOIDS算法选用簇中离平均值最近的对象为簇中心。系统聚类分类的单位由高到低呈树形结构，且所处的位置越低，其包含的对象就越少。4.2K-Means聚类

4.2.1定义K-Means算法是典型的基于距离的非层次聚类算法，在误差函数的基础上将数据划分为预定的类数K，采用距离作为相似性的评价指标，距离越近相似度越大。

目的：把n个点划分到k个聚类中，使每个点都属于离它最近的均值对应的聚类，来作为聚类的标准。4.2K-Means聚类

4.2.2算法过程

（d）4.2K-Means聚类

4.2.3常用参数参数名称说明n_clusters接收int,表示簇的个数Init接收str,表示初始簇中心的获取方法n_init

表示获取初始簇中心的更迭次数Max_iter表示最大迭代次数tol表示容忍度，即算法收敛的条件precompute_distances表示是否需要提前计算距离randomstate表示随机生成簇中心的状态条件copy_X表示是否在运行算法时将原始训练数据复制一份4.2K-Means聚类

4.2.4常用方法方法说明fit(X,y=None,sampleweight=None)sklearn中通用的方法，表示对数据x进行K-Means聚类fit_predict(X,y=None,sampleweight=None)计算簇中心，并为簇分配序号fit_transform(X,y=None,sampleweight=None)对样本进行聚类，并转换为簇距离空间get_params(deep=True)获取模型参数predict(X,sampleweight=None)预测X中每个样本所属的簇score(X,y=None,sample_weight=None)与K-Means算法目标相反的值setparams(**params)设置模型的参数transform(X)将X转换为簇距离空间4.3项目实战

4.3.1项目分析4.3项目实战

4.3.2